导读:本文包含了混合马尔可夫模型论文开题报告文献综述及选题提纲参考文献，主要关键词:兵器科学与技术,履带车辆,横向控制,驾驶员模型
混合马尔可夫模型论文文献综述
王博洋,龚建伟,高天云,陈慧岩,席军强[1]（2017）在《基于高斯混合-隐马尔可夫模型的速差转向履带车辆横向控制驾驶员模型》一文中研究指出为解决基于离合器转向机的履带车辆在无人行驶条件下的横向控制问题,采用一种基于高斯混合-隐马尔可夫模型的统计学习方法构建驾驶员模型,以实现对驾驶员跟踪控制操控经验的表述。利用经过大量试验采集获得的经验驾驶员操控数据对模型进行训练。以基于高斯混合模型表征的车辆速度和航向偏差作为隐马尔可夫模型的观测状态参量,并利用高斯混合模型对左右操纵杆位置进行转向模式划分,以转向模式作为隐马尔可夫模型的隐藏层状态参量,通过对模型的训练最终实现对于驾驶员操控经验以及车辆特性的统计学描述。利用上述模型对跟踪控制过程中的期望转向模式进行预测分析,结果表明该模型能够较准确地对转向模式进行预测。(本文来源于《兵工学报》期刊2017年12期）
邵浩宇,胡爱花,胡满峰[2]（2016）在《模型依赖时变时滞马尔可夫跳变复杂网络的混合投影同步（英文）》一文中研究指出复杂网络的混合投影同步已广泛应用于工程、应用数学等各个领域.本文研究了一类模型依赖时变时滞的马尔可夫跳变复杂网络的混合投影同步问题.另外,对于复杂网络中的每个响应系统,同时考虑了线性耦合和非线性耦合.基于李雅普诺夫稳定性理论和线性矩阵不等式方法,推导出复杂网络混合投影同步的充分条件.数值仿真最后证明了所提理论的有效性.本文的结果为研究复杂网络的混合投影同步和模型依赖时变时滞系统的控制提供了理论依据.(本文来源于《工程数学学报》期刊2016年01期）
钱建生,李小斌,秦文光,秦海初[3]（2014）在《基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法》一文中研究指出提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。(本文来源于《工矿自动化》期刊2014年11期）
孟凡博,黄开胜,曾祥瑞,张尧[4]（2014）在《基于马尔可夫链的混合动力汽车模型预测控制》一文中研究指出采用模型预测控制的思路,选取加速踏板位置不变、指数衰减、按马尔可夫链随机分布叁种不同的车辆未来转矩需求预测模型,运用动态规划算法进行转矩分配的优化,并与基于规则的混合动力控制策略进行对比。仿真结果表明,马尔可夫链模型预测控制在混合动力车辆能量分配上具有优化潜力。最后提出了模型预测控制应用于混合动力汽车能量分配的进一步研究方向。(本文来源于《中国机械工程》期刊2014年19期）
覃俊,肖荣[5]（2012）在《基于马尔可夫混合模型的电子商务搜索引擎用户行为聚类》一文中研究指出对搜索引擎用户行为进行聚类分析有利于为用户提供个性化的服务。为了能准确地刻画用户行为的动态性,提出利用马尔可夫混合模型,对电子商务搜索引擎的用户行为模式聚类。模型假设每一类用户行为可表示为一个马尔可夫模型,当用户使用搜索引擎时,每个用户以一定的概率属于某一聚类;该用户的行为序列,由对应的马尔可夫模型产生。同时,为了解决参数估计和模型自动选择的问题,将贝叶斯阴阳和谐学习理论应用于该混合模型,提出针对该模型的和谐度函数及自适应梯度算法。仿真实验结果表明,与传统的最大期望(EM)算法相比,基于贝叶斯阴阳机的自适应梯度算法能更高效和准确地同时进行参数学习和模型选择。最后,将所提出的聚类方法应用于真实的电子商务搜索引擎点击日志,初步验证了本模型的有效性。(本文来源于《计算机应用》期刊2012年04期）
詹锡兰,吴波[6]（2011）在《一种基于高斯马尔可夫随机场模型的混合像元分解方法》一文中研究指出传统的混合像元分解模型只考虑了光谱信息,而忽略了空间相关信息的利用.事实上遥感影像以及分解后获得的组分影像都具有空间自相关关系.本研究提出利用高斯马尔可夫随机场模型来描述组分空间相关的特性,构建一种综合利用影像光谱和空间信息的混合像元模型,以提高混合像元分解精度.利用模拟与真实的数据证实了本文方法的有效性,一定程度上能够改善混合像元的分解结果,特别是在噪声相对比较大的情形下分解精度较高,并且表现出良好的鲁棒性.(本文来源于《福州大学学报(自然科学版)》期刊2011年01期）
刘辉,杨俊安,许学忠[7]（2009）在《隐马尔可夫模型和支持向量机混合模型声识别》一文中研究指出为弥补单一模型在识别低空飞行目标时的不足,进一步提高低空飞行目标的识别率,提出一种基于HMM和SVM混合结构的低空飞行目标声识别算法。针对战场环境下声信号的特点,算法综合考虑HMM适合处理连续动态信号及SVM小样本情况下的强分类能力,利用HMM处理待辨识的连续动态信号,将HMM易混淆的信号作为与待辨识信号较为相似的模式类,形成候选模式集,再由SVM在候选模式中对待辨识信号作最后决策。实际数据的识别结果表明相对于单一的HMM和SVM,混合模型的识别率有一定的提高。(本文来源于《探测与控制学报》期刊2009年06期）
杨卫国,纪灵军,孙杰[8]（2009）在《关于m重隐非齐次马尔可夫模型的混合性》一文中研究指出研究了m重隐非齐次马尔可夫模型的混合性.首先给出了m重非齐次马尔可夫链混合性的定义,然后证明了m重非齐次马尔可夫链满足混合性的充分条件,最后将所得结果推广到了m重隐非齐次马尔可夫模型上,为进一步研究多重隐马尔可夫模型提供了理论基础.(本文来源于《江苏大学学报(自然科学版)》期刊2009年06期）
岳振军,邹翔,王浩[9]（2009）在《基于隐马尔可夫模型和高斯混合模型结合的声音转换方法》一文中研究指出针对隐马尔可夫模型较强的语音信号表征能力和高斯混合模型良好的声音转换效果,提出了一种了隐马尔可夫模型和高斯混合模型相结合转换线谱频率的方法,给出了理论推导和算法流程,并利用高斯建模实现了韵律特征的转换。利用所述算法对录制的两段语音进行了仿真实验,转换语音有较好的自然度和清晰度,ABX测试结果显示,文中算法得到的语音在听觉上有90.2%的概率更接近目标说话人语音。(本文来源于《数据采集与处理》期刊2009年03期）
纪灵军[10]（2008）在《隐非齐次马尔可夫模型的混合性》一文中研究指出隐马尔可夫模型在近几十年来被广泛应用于弱相依随机变量的建模上,被用作研究发音过程,神经生理学与生物遗传等方面问题的工具。虽然隐马尔可夫模型在今天已经得到了广泛的应用,但它的理论基础并不完善,并且如在动态的图象处理、气象预测等的一些实际应用中,人们需要建立隐非齐次马尔可夫模型来进行研究。但由于隐非齐次马尔可夫模型难以处理,所以对于隐非齐次马尔可夫模型的理论研究基本上还是空白。隐非齐次马尔可夫模型的理论方面的研究具有很大的研究意义。本文的主要目的是研究隐非齐次马尔可夫模型的混合性。首先,介绍了隐马尔可夫模型的有关知识。其次,研究了一重隐非齐次马尔可夫模型的混合性。先给出并证明了非齐次马尔可夫链满足混合性的充分条件,并将所得结果推广到了隐非齐次马尔可夫模型上。最后,研究了m重隐非齐次马尔可夫模型的混合性。先给出了m重非齐次马尔可夫链混合性的定义,然后利用此定义和引理证明了m重非齐次马尔可夫链满足混合性的充分条件,并将所得结果推广到了m重隐非齐次马尔可夫模型上,对进一步研究多重隐马尔可夫模型提供了理论基础,且能为实际问题如弱相依随机变量的建模、发音过程、神经生理学和生物遗传学等领域的研究提供理论依据。(本文来源于《江苏大学》期刊2008-12-01）
混合马尔可夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
复杂网络的混合投影同步已广泛应用于工程、应用数学等各个领域.本文研究了一类模型依赖时变时滞的马尔可夫跳变复杂网络的混合投影同步问题.另外,对于复杂网络中的每个响应系统,同时考虑了线性耦合和非线性耦合.基于李雅普诺夫稳定性理论和线性矩阵不等式方法,推导出复杂网络混合投影同步的充分条件.数值仿真最后证明了所提理论的有效性.本文的结果为研究复杂网络的混合投影同步和模型依赖时变时滞系统的控制提供了理论依据.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合马尔可夫模型论文参考文献
[1].王博洋,龚建伟,高天云,陈慧岩,席军强.基于高斯混合-隐马尔可夫模型的速差转向履带车辆横向控制驾驶员模型[J].兵工学报.2017
[2].邵浩宇,胡爱花,胡满峰.模型依赖时变时滞马尔可夫跳变复杂网络的混合投影同步（英文）[J].工程数学学报.2016
[3].钱建生,李小斌,秦文光,秦海初.基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法[J].工矿自动化.2014
[4].孟凡博,黄开胜,曾祥瑞,张尧.基于马尔可夫链的混合动力汽车模型预测控制[J].中国机械工程.2014
[5].覃俊,肖荣.基于马尔可夫混合模型的电子商务搜索引擎用户行为聚类[J].计算机应用.2012
[6].詹锡兰,吴波.一种基于高斯马尔可夫随机场模型的混合像元分解方法[J].福州大学学报(自然科学版).2011
[7].刘辉,杨俊安,许学忠.隐马尔可夫模型和支持向量机混合模型声识别[J].探测与控制学报.2009
[8].杨卫国,纪灵军,孙杰.关于m重隐非齐次马尔可夫模型的混合性[J].江苏大学学报(自然科学版).2009
[9].岳振军,邹翔,王浩.基于隐马尔可夫模型和高斯混合模型结合的声音转换方法[J].数据采集与处理.2009
[10].纪灵军.隐非齐次马尔可夫模型的混合性[D].江苏大学.2008